Individuare i record ad alto rischio nei dati sintetici con RAPID alle Giornate svizzere della statistica 2026
Il 25 agosto 2026 Oscar Thees ha presentato il nostro contributo Identifying High-Risk Records in Synthetic Data with RAPID alle Giornate svizzere della statistica 2026 al Würth Haus di Rorschach, organizzate dall’Ufficio dei dati e della statistica del Cantone di San Gallo.
La relazione è partita da un esperimento mentale. B passa di nascosto ai raggi X la valigetta di A e vede cosa contiene: chiaramente una violazione della privacy. In una seconda variante B non tocca mai la valigetta, ma ne deduce lo stesso contenuto con un modello, a partire da alcune caratteristiche visibili, con lo stesso valore probatorio. Nessun accesso, solo una previsione. È ancora una violazione? La tesi della simmetria (Munch, 2021) sostiene che la differenza è reale ma moralmente irrilevante, perché tutto ciò con cui giustifichiamo la tutela della privacy (danno, giudizio sulla persona, autonomia) vale allo stesso modo per la previsione. La privacy differenziale parte da un altro punto: c’è violazione solo se il risultato dipende dalla presenza di una singola persona nei dati.
RAPID non risolve questo dibattito. In entrambe le letture, però, si vuole sapere quanta inferenza una pubblicazione consenta. I dati sintetici non se ne occupano da soli: interrompono il legame con le persone reali, ma ogni dipendenza che conservano è una leva per l’attaccante.
RAPID (Risk of Attribute Prediction-Induced Disclosure) rende misurabile questo valore probatorio. L’attaccante è simulato come un modello di apprendimento automatico, addestrato sui dati pubblicati, che prevede l’attributo sensibile a partire dai quasi-identificatori e viene confrontato con i valori veri di persone reali. La correzione rispetto a un riferimento è fondamentale: se il 90 % dei pazienti è sano, «sano» è corretto al 90 % anche senza alcun attacco. Il risultato è un segnale di rischio per ogni record, insieme alle combinazioni di quasi-identificatori che lo determinano.
RAPID è una delle circa 100 misure di rischio e utilità di riskutility, il nostro nuovo pacchetto R su CRAN.
- Articolo RAPID: arXiv:2602.09235
- riskutility su CRAN: cran.r-project.org/package=riskutility
- Abstract: programma delle Giornate svizzere della statistica (Book of Abstracts, p. 13)
Il lavoro è stato svolto insieme a Roman Müller e Matthias Templ.